多组学入门

跟完这篇，您能给自己的科学问题选对一层组学入手：知道转录组、单细胞、空间、蛋白、代谢各测的是什么、能回答什么问题、数据长什么样，不再对着一堆名词发懵，而是照着一套三步流程，把「我该先做哪个」落到一个明确答案。

「多组学」听起来像要一次全做，其实恰恰相反——真正的第一步是从您的问题倒推，只挑一层入手。每一层测的分子不同，回答的问题也不同。先认清这五层，再对号入座，才不会花大价钱测了一堆用不上的数据。

五层组学，一张表先认全

生命活动可以粗略看成一条自上而下的信息流：基因（DNA）先转录成 mRNA，mRNA 翻译成蛋白质，蛋白质催化产生代谢物，最后共同表现为表型。常说的这几层组学，就是分别在这条链的不同位置「拍一张全景照」。

组学层	测的是什么	一句话能回答	数据形态	典型规模
转录组（bulk）	一群细胞混合后的 mRNA 平均表达	组间哪些基因差异表达	基因 × 样本计数矩阵	几个〜几十个样本
单细胞转录组	逐个细胞的 mRNA 表达	组织由哪些细胞类型构成	基因 × 细胞稀疏矩阵	上千〜数万个细胞
空间转录组	带位置信息的 mRNA 表达	表达发生在切片的哪个位置	表达矩阵＋坐标	每张切片上千个点
蛋白组	蛋白质丰度（质谱为主）	哪些蛋白丰度变了	蛋白 × 样本强度矩阵	几个〜几十个样本
代谢组	小分子代谢物丰度	哪些代谢物 / 通路改变	代谢物 × 样本强度矩阵	几个〜几十个样本

记住一个贯穿全篇的关键点：越往下越贴近表型，但也越难一一对应到基因。mRNA 多不代表蛋白就多，蛋白变化也不必然反映在代谢物上。这决定了每一层各有各的用武之地，不能相互替代。

转录组：组间比什么基因不一样

是什么：把一份样本（一块组织、一孔细胞）里所有细胞的 mRNA 混在一起测，得到的是平均表达量。这是目前最成熟、最便宜、门槛最低的一层，也是绝大多数人真正的第一站。

能回答什么：您有明确的两组或多组对比（如肿瘤 vs 癌旁、给药 vs 对照），想知道哪些基因在组间显著差异、这些基因集中在哪些通路。它擅长「组间比较」，不擅长「组织里有哪几种细胞」。

数据长什么样：一张「行是基因、列是样本」的原始 count 矩阵，值是整数计数。

	sample1	sample2	sample3
GeneA	12	340	5
GeneB	0	2	1
GeneC	87	91	76

从哪入手：DESeq2 跑差异 → 卡阈值取差异基因 → 富集讲机制。

library(DESeq2)

dds <- DESeqDataSetFromMatrix(
  countData = counts,      # 原始 count 矩阵（用整数计数，别用 TPM ／ FPKM）
  colData   = coldata,     # 分组表，样本名要和矩阵列名完全一致
  design    = ~ condition
)
dds <- DESeq(dds)
res <- results(dds, contrast = c("condition", "tumor", "normal"))

差异基因常按 padj < 0.05 且 |log2FC| > 1（约 2 倍变化）来取——这是领域常用惯例，不是铁律，样本量和噪声不同时可收紧或放宽。完整主线见 RNA-seq 全流程。

单细胞：组织里都有哪些细胞

是什么：不再把细胞混在一起，而是逐个细胞测表达。同样一块组织，bulk 给您一个平均值，单细胞能拆出里面有哪些细胞类型、各占多少。

能回答什么：组织由哪些细胞类型 / 状态构成、各类型比例在组间怎么变、有没有稀有细胞群、细胞沿某个过程（如分化）如何演变。代价是更贵、数据更大、分析步骤更多。

数据长什么样：还是「基因 × 」的矩阵，但列变成了成千上万个细胞，且极其稀疏（大量 0，因为单个细胞里多数基因没测到几条 reads）。常见的 10x 输出是 barcodes.tsv、features.tsv、matrix.mtx 三件套，或一个 .h5 文件。

从哪入手：Seurat 的标准流程——质控过滤 → 归一化 → 降维聚类 → 给每个簇注释细胞类型。

library(Seurat)

# 质控：按每个细胞的基因数、UMI 数、线粒体比例过滤（阈值按数据调，不是固定值）
obj <- subset(obj, subset = nFeature_RNA > 200 & percent.mt < 20)
obj <- NormalizeData(obj)
obj <- FindClusters(obj, resolution = 0.5)   # 分辨率决定分多少簇，需要试

线粒体比例的常用上限在 10%〜20% 之间，按物种和组织调——这是惯例阈值，不是硬线。质控和注释怎么系统地做，见单细胞分析流程。

空间：这些表达发生在切片的哪儿

是什么：单细胞测出了「有哪些细胞」，但把组织打散成悬液时，丢掉了每个细胞原本在哪。空间转录组在测表达的同时保留组织切片上的位置坐标，让您知道某个基因、某类细胞长在切片的哪个区域。

能回答什么：基因或细胞类型在组织里的空间分布、不同区域（如肿瘤核心 vs 边缘）的表达差异、彼此相邻的细胞如何构成微环境。适合「位置本身就是问题」的研究。

数据长什么样：一张表达矩阵，外加每个测量单元的 (x, y) 坐标。要留意分辨率：像 Visium 这类以「点（spot）」为单位的平台，一个点通常覆盖多个细胞，不是单细胞级；也有更新的平台能做到近单细胞甚至亚细胞分辨率。

spot	x	y	GeneA	GeneB
spot_1	120	85	4	0
spot_2	121	90	1	7

从哪入手：空间数据同样可以走「归一化 → 聚类」的转录组流程，但分析的重点在于把表达值叠回切片坐标上看分布，以及判断哪些点里混了多种细胞。它常和单细胞数据配合：用单细胞的细胞类型去「解读」每个空间点的成分。

蛋白组：真正干活的分子变了没

是什么：直接测蛋白质的丰度（主流是质谱）。蛋白才是真正执行功能的分子，而 mRNA 只是中间产物——mRNA 高不等于蛋白就高，两者相关但不划等号。想确认「功能层面到底变没变」，就得看这一层。

能回答什么：哪些蛋白在组间丰度差异、翻译后修饰（如磷酸化）状态如何、蛋白之间怎么互作。它补上了转录组看不到的翻译与修饰层面。

数据长什么样：一张「蛋白 × 样本」的强度矩阵，但有三个和转录组明显不同的脾气：

有缺失值：某个蛋白在某些样本里没被检出，留下空格，不能简单当成 0；
需要归一化：不同样本、不同批次的总强度有系统偏差；
动态范围大：高丰度和低丰度蛋白差几个数量级，通常先做 log 变换。

定量方式也要留意：label-free、TMT 等不同策略，数据处理细节不一样。

从哪入手：先处理缺失值与归一化，log 变换后，差异分析常用 limma（它对样本量不大的组学数据稳健）。

library(limma)

# expr：log 变换、归一化后的 蛋白 × 样本 矩阵；缺失值需先按惯例处理
fit <- lmFit(expr, design)          # design 为分组设计矩阵
fit <- eBayes(fit)
topTable(fit, coef = 2)             # 取组间差异蛋白，按 adj.P.Val 排序

同样按 adj.P.Val < 0.05 一类的惯例阈值取差异蛋白，再做通路富集，思路和转录组一致。

代谢组：最贴近表型的那一层

是什么：测细胞里的小分子代谢物（糖、氨基酸、脂质等，主流用质谱或核磁）。它在信息流的最下游，最接近可观察的表型，很适合找区分疾病 / 健康的标志物。

能回答什么：哪些代谢物或代谢通路在组间改变、能不能据此把样本分开、有没有潜在生物标志物。

数据长什么样：一张「代谢物 × 样本」的强度矩阵。关键要先分清两种模式：

模式	测什么	特点
靶向	一批已知的代谢物	定量准，但只看预先选定的分子
非靶向	尽可能多的特征峰（m/z ＋保留时间）	覆盖广，但很多峰还没注释成具体代谢物

非靶向数据里，一行往往是一个「特征」而不是一个有名字的代谢物，注释是绕不开的一步。数据通常也要归一化，并做 log、Pareto scaling 等变换后再分析。

从哪入手：预处理（归一化＋变换）后，常用 PCA 看样本整体是否分得开，用 PLS-DA 一类的判别方法找区分组别的代谢物，再做代谢通路富集。分组比较的统计选法可参考统计方法怎么选。

怎么选：从您的问题倒推入手层

别从「我想做多组学」出发，要从「我想回答什么」出发。照下面三步走，通常几分钟就能定下入手层。

把科学问题写成一句话。越具体越好，例如「A 药处理后，哪些基因 / 通路被改变？」或「这块肿瘤组织里有哪些免疫细胞、比例怎么变？」。

对照下表，看问题落在哪一层。

您的问题里关心的是……	入手层
组间哪些基因差异、涉及什么通路	转录组（bulk）
组织由哪些细胞类型构成、比例变化	单细胞
表达 / 细胞类型在组织里的位置分布	空间转录组
蛋白层面（含修饰）到底变没变	蛋白组
代谢物 / 表型层面的改变、找标志物	代谢组

确认您能拿到对应形态的数据。是自己产出，还是从公共数据库（如 GEO）下载现成的？拿到后先核对它是不是上表里描述的形态，再动手分析。

两条常识收尾：能用一层回答的问题，就别硬凑多层；反过来，当一层的结论需要另一层佐证时（如转录组差异想在蛋白层面确认），才是真正需要「多组学联合」的时候——而那也是先把每一层各自跑扎实之后的事。

在平台上跑一遍

选定入手层之后，具体分析在百沐一下不写代码也能做：上传对应形态的数据，用一句话说清目的（如「对 tumor vs normal 做差异表达并富集」「给这份单细胞数据做质控、聚类和细胞注释」），组学智能体会按您选的层规划流程、在关键处（分组、阈值）跟您确认，最后连结论、图形、结果表和可复现代码一并交付。

👉 打开 https://app.baimuyixia.com，选好数据、描述目标即可开跑。